一、基于自采肌电数据的理解

这里用于采集设备的肌电设备是基于国产的ELONI肌电仪，主要的参数是16通道（袖套/贴片电极兼容），采样率1000-2000Hz，带通滤波器范围是20Hz-500Hz，陷波滤波器滤除50Hz的工频噪声。所保存的数据格式如下所示：

这是一个txt文件，18列，N行。用Matlab读取这个文件成一个变量

filename = 'EMG20190093003113.txt';
data_all = importdata(filename);

这段数据的解释为每一行表示为每隔0.001s读取的sample，1-16列对应的是16个通道的数据，第17位和第18位是数据的时间同步位，因为设备采用双蓝牙来处理数据，两个同步位一致表示数据有效（仅仅是本设备）。上述的信号大概采集了86s的数据。在实际应用中，需要剔除17和18列的数据，因此处理完的数据大小是: [N Samples] x [16 Channels]。每个通道产生的值都是电位幅值，可以表征信号强度的。我们取出其中一个通道的信号绘图如下：

这个信号比较容易理解，当然了，越是容易理解的数据，对于学习者而言若容易建立信心，如果大家能够有自己的设备去采集自己的数据的话，那样理解的更加透彻。

二、基于Ninapro肌电数据的理解（DB1）

Ninapro（全称Non-Invasive Adaptive Prosthetics）数据集是目前表面肌电研究领域比较有代表性的公开数据集，该数据经过不断的拓展，目前已经发展到DB9了，下载网址是www.ninapro.hevs.cn，特别注意要先登录才能有下载权限。Ninapro数据集中包含了健康受试者和残肢患者的数据，用于采集的传感器包括肌电传感器、数据手套、力传感器、倾角仪、3轴加速度计等，当然不是所有DB都用到了所有的传感器，对于DB1，只用到了肌电和数据手套。本文具体对DB1进行说明。

DB1中的具体参数：

受试者：27个健康人

采集动作：52个动作（不含rest），分为：

（A）12个基本的手指动作

（B）8个基本手部动作（等长和等张收缩）

（C）9个基本的手腕动作

（D）23个抓握和功能性动作

采集装置参数：

（A）运动学数据：融合了22个传感器的Cyberglove II dataglove（数据手套），目的是用于手指位置信息，该设备将这22个关节角度表示为8位值，平均分辨率小于1度，具体取决于受试者手的大小、手套的正确佩戴以及所考虑关节的旋转范围。除了Cyberglove之外，还提供了标准的商用的2轴的倾角仪，附着在受试者的手腕上，用于手机手腕方向。

（B）表面肌电数据：十个通道（差分双电极）的OttoBock MyoBock，提供了对采集信号的放大、带通滤波和校正（rectified）。原始肌电信号的带宽为15-500Hz。

采集方式：

用户保持特定坐姿，面向演示屏幕，将EMG电极、数据手套和倾角仪穿戴在右手上，用户根据演示屏幕上的动作重复特定的动作。在经过预先的训练之后，每一类的动作将会连续进行10次重复来收集数据。每次动作将持续5s，两个动作之间有3s的休息时间。在规整数据的时候，四个动作类别将会被归纳到3个exercise中，其中第二个和第三个类别将被分组到exercise 2中。请注意，为了诱发重复的、几乎无意识的运动，序列是有意不随机化的。

数据说明：

每个subject的数据都有三个文件组成：S1_A1_E1.mat，S1_A1_E2.mat，S1_A1_E3.mat，分别包含了exercise 1 - 3的动作数据。

加载其中一个mat文件如下：

主要说明一下repetition，rerepetition，stimulus，restimulus。其中rerepetition和restimulus都是经过矫正后的数据，毕竟在采集过程中总会存在人的反应时间和软件延迟的影响。

上面左图是repetition（exercise 1，一共12个动作），可以看出来采集方式是每个动作重复采集10次，纵轴数值表征的是每个动作的重复Index。上面右图是restimulus（exercise 1，一共12个动作），这个比较重要，可以看做是label，数值由1-12标记。

上图是emg数据中第1个通道的时序图，一共12个动作，每个动作重复10次，因此原则上图中应该有120个脉冲（动作）。

数据读取（MATLAB）：

function NinaproMatrix = LoadNinaproDB( DataPath )
%Parameters:
%   DataPath: 原始数据路径
%Returns：
%   NinaproMatrix： 返回切割好的steady数据
%   NinaproTransientMatrix： 返回切割好的transient数据
NinaproMatrix = cell(1,27);
SubjectNum = 27;%% 从每个subject的目录中读取三个exercise，并将数据和标签对照着取出来
for k = 1:SubjectNumCharSubject = ['s' num2str(k)];UpperSubject = upper(CharSubject);% 读取第一个ExerciseFileName_E1 = [UpperSubject '_A1_E1.mat'];FileLocation_E1 = fullfile(DataPath, CharSubject, FileName_E1);load(FileLocation_E1);emg_E1 = emg;restimulus_E1 = restimulus;stimulus_E1 = stimulus;% 读取第二个ExerciseFileName_E2 = [UpperSubject '_A1_E2.mat'];FileLocation_E2 = fullfile(DataPath, CharSubject, FileName_E2);load(FileLocation_E2);emg_E2 = [emg_E1;emg];for i=1:length(restimulus)if(restimulus(i) ~= 0)restimulus(i) = restimulus(i) + 12; % 从index=13开始endendrestimulus_E2 = [restimulus_E1; restimulus];stimulus_E2 = [stimulus_E1;stimulus];% 读取第三个ExerciseFileName_E3 = [UpperSubject '_A1_E3.mat'];FileLocation_E3 = fullfile(DataPath, CharSubject, FileName_E3);load(FileLocation_E3);emg_E3 = [emg_E2;emg];for i=1:length(restimulus)if(restimulus(i) ~= 0)restimulus(i) = restimulus(i) + 29; % 从index=30开始endendrestimulus_E3 = [restimulus_E2;restimulus];stimulus_E3 = [stimulus_E2; stimulus];% 变换名称emg = emg_E3;restimulus = restimulus_E3;NumChannels = size(emg,2);   %通道数量NinaproMatrix{1,k} = restimulus; % cell的第一行表示labelNinaproMatrix{2,k} = emg; % cell的第二行表示data
end

读取的数据格式是2x27 cell。第一行表示label，第二行表示data，每一列表示一个subject。当然，对数据的读取方式还有很多种。